融合残差连接与通道注意力机制的Siamese目标跟踪算法

作     者：邵江南 葛洪伟 Shao Jiangnan;Ge Hongwei

作者机构：江南大学人工智能与计算机学院无锡214122 江南大学江苏省模式识别与计算智能工程实验室无锡214122 

出 版 物：《计算机辅助设计与图形学学报》 (Journal of Computer-Aided Design & Computer Graphics)

年 卷 期：2021年第33卷第2期

页      面：260-269页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金(61806006) 江苏省研究生创新计划(KYLX16_0781) 江苏高校优势学科建设工程资助项目 

主　　题：目标跟踪 卷积神经网络 孪生网络 特征融合 通道注意力机制 

摘      要：针对Siamese跟踪算法在目标形变、相似物体干扰等复杂情况下容易跟踪漂移或丢失的问题,提出一种融合残差连接与通道注意力机制的目标跟踪算法.首先,通过残差连接将模板分支网络提取的浅层结构特征与深层语义特征进行有效的融合,以提高模型的表征能力;其次,引入通道注意力模块,使模型自适应地对不同语义目标特征通道加权,以提高模型的泛化能力;最后设计并提出一种基于相关性响应值的权重掩码,在离线训练时提高相似语义目标损失值的权重,使模型在端到端的离线学习中增强对相似语义目标的辨别力.在标准跟踪数据集OTB,TempleColor128,VOT2016和VOT2018上与主流跟踪算法进行对比实验,结果表明,该算法在跟踪精度和成功率上都展现了极强的竞争力,具有优越的实时性和可靠性.